[論文レビュー] PrepNet : a convolutional auto-encoder to homogenize CT scans for cross-dataset medical image analysis

Mohammadreza Amirian, Javier A. Montoya‐Zegarra+6 more|arXiv (Cornell University)|Oct 1, 2021

COVID-19 diagnosis using AIMedicine被引用数 1

ひとこと要約

PrepNetは、異なるスキャナーテクノロジー間の統一された画像表現を学習することで、2次元CTスキャンにおけるデータセット間ばらつきを低減するトレーニング可能な畳み込みオートエンコーダーである。複数のデータセットを同時に学習させ、ドメイン識別器をだますことで、データセット内性能はわずか1.83pp低下するが、データセット間のCOVID-19診断精度は最大11.84百分率ポイント向上する。

ABSTRACT

With the spread of COVID-19 over the world, the need arose for fast and precise automatic triage mechanisms to decelerate the spread of the disease by reducing human efforts e.g. for image-based diagnosis. Although the literature has shown promising efforts in this direction, reported results do not consider the variability of CT scans acquired under varying circumstances, thus rendering resulting models unfit for use on data acquired using e.g. different scanner technologies. While COVID-19 diagnosis can now be done efficiently using PCR tests, this use case exemplifies the need for a methodology to overcome data variability issues in order to make medical image analysis models more widely applicable. In this paper, we explicitly address the variability issue using the example of COVID-19 diagnosis and propose a novel generative approach that aims at erasing the differences induced by e.g. the imaging technology while simultaneously introducing minimal changes to the CT scans through leveraging the idea of deep auto-encoders. The proposed prepossessing architecture (PrepNet) (i) is jointly trained on multiple CT scan datasets and (ii) is capable of extracting improved discriminative features for improved diagnosis. Experimental results on three public datasets (SARS-COVID-2, UCSD COVID-CT, MosMed) show that our model improves cross-dataset generalization by up to $11.84$ percentage points despite a minor drop in within dataset performance.

研究の動機と目的

• 異なるスキャナーや機関によるCTスキャン取得プロトコルのばらつきによって生じるドメインシフトを是正すること。
• スキャナ固有のアーティファクトを低減しながら、診断に必要な特徴を保持するトレーニング可能な前処理手法を開発すること。
• 多様な取得プロトコルを有する公的CTデータセットを用いて、COVID-19診断におけるデータセット間一般化性能を向上させること。
• 実世界のベンチマークを用いて検証し、複数の公的データセットにわたる汎用性を示すこと。

提案手法

• PrepNetは、入力CTスキャンの再構成と、スキャンの出どころを識別するドメイン識別器をだますという二重目的で訓練される深層畳み込みオートエンコーダーである。
• モデルは、SARS-CoV-2、UCSD COVID-CT、MosMedなどの複数のCTデータセットを統合的に学習させ、潜在空間におけるドメイン固有特徴を最小化する。
• 敵対的訓練を用い、共有エンコーダーとデコーダーを有するアーキテクチャで、識別器はデータセットの出どころを特定することを目的とし、オートエンコーダーはそれを隠蔽することを目的とする。
• GANにインspiredされた敵対的学習を活用しているが、画像生成ではなく前処理に焦点を当てている。
• 前処理ステップは、下流の分類器の前に統合されており、勾配逆伝播によるエンドツーエンド学習が可能である。
• 標準的なトランスファーラーニングプロトコルを用いて評価する：1つのデータセットで学習し、他のデータセットでテストし、データセット間のバランス精度を測定する。

実験結果

リサーチクエスチョン

• RQ1 手動によるデータ拡張やドメイン固有のファインチューニングに依存せずに、トレーニング可能なオートエンコーダーが2次元CTスキャンにおけるドメインシフトを低減できるか？
• RQ2 ベースラインモデルと比較して、PrepNetはCOVID-19診断におけるデータセット間一般化性能をどの程度向上させるか？
• RQ3 ドメイン固有特徴の低減が、元のデータセットでの診断性能に悪影響を及えるか？
• RQ4 画像品質や取得プロトコルが異なる複数の公的データセットへもモデルが一般化可能か？
• RQ5 オートエンコーダーが引き起こす再構成アーティファクトは、損失モニタリングやアーキテクチャの最適化によって検出・緩和可能か？

主な発見

• SARS-CoV-2 CTスキャンデータセットにおいて、1つのデータセットで学習し他でテストした場合、PrepNetはデータセット間バランス精度を11.84百分率ポイント向上させる。
• MosMedデータセットでは、PrepNetを前処理として用いることで、バランス精度が10.07百分率ポイント上昇する。
• UCSD COVID-CTデータセットでは、データセット内性能が1.83百分率ポイント低下し、ドメイン不変性と診断正確性のトレードオフが示された。
• ドメイン分類器の精度がほぼランダムチョイス水準まで低下し、有効なドメインシフト低減が確認された。
• 再構成アーティファクトが一部のケースで観察され、特に高コントラスト領域で顕著で、再構成損失の増加と関連していた。
• 本手法は多様なCTデータセット間でのトランスファーラーニングを可能にし、マルチセンター医療画像処理タスクへの広範な適用可能性を示唆している。